KẾT HỢP ANN VÀ CS NHẰM NÂNG CAO CHẤT LƯỢNG DỰ ĐOÁN ĐỘ MÒN DỤNG CỤ KHI TIỆN KHÔ TỐC ĐỘ CAO THÉP SKD11

Tóm tắt

Bài báo trình bày kết quả cải tiến mạng nơ ron nhân tạo (ANN) để dự đoán lượng mòn dụng cụ khi tiện khô tốc độ cao thép SKD11. ANN nguyên thủy là mô hình lan truyền ngược (BPN) với thuật toán độ dốc giảm dần (GD). Trong mô hình cải tiến, được gọi là ANN-CS, một số tham số được tối ưu hóa bằng thuật toán tìm kiếm Cuckoo (CS). Cả hai mô hình đều được huấn luyện, kiểm tra và xác nhận với cùng một tập dữ liệu gia công thử nghiệm dựa trên các chỉ số hiệu năng, như R2, MSE, RMSE và MAPE. Kết quả cho thấy ANN-CS cho độ chính xác dự đoán cao hơn so với BPN. Đặc biệt, mức cải thiện lên tới 30% với chỉ số MAPE. Kết quả nghiên cứu này có ý nghĩa quan trọng trong việc chọn lựa các mô hình mạng trí tuệ nhân tạo phù hợp với tính chất, số lượng dữ liệu lớn và khác biệt.